[发明专利]基于卷积神经网络的恶意APK的筛查方法

摘要

本发明公布了一种基于卷积神经网络的恶意安卓安装包APK的筛查方法，应用深度卷积神经网络对APK建模，使用APK原始数据作为输入，采用APK的Call Graph，根据安全敏感函数或者高频率调用(出现)函数的调用，设计相应的深度卷积神经网络进行特征自动抽取，由此检测APK是否恶意；包括模型训练过程和用训练好的模型进行APK检测过程。本发明方法可减少人为提取特征的环节，从而减少分析时间，提高普适性，增加准确率。

主权项

1.一种基于卷积神经网络的恶意安卓安装包APK的筛查方法，应用深度卷积神经网络对APK数据集建模，使用APK原始数据作为输入，采用APK的函数调用关系图，根据函数调用设计相应的深度卷积神经网络进行特征自动抽取，由此检测APK是否恶意；分为模型训练过程和用训练好的模型进行APK检测过程；具体包括如下步骤：/n(一)模型训练过程具体包括如下步骤：/n1)针对APK训练数据集，反编译APK，解析出函数调用关系图；所述函数调用关系图上的每个节点对应一个函数；/n2)根据安全敏感函数或高频率函数，针对所述函数调用关系图上的部分节点进行卷积，通过卷积提取得到卷积结果为一个向量，该向量为函数调用关系图上的节点调用的多个函数的信息；/n3)将结果传入深度卷积神经网络模型的池化算法层，将相同维数的一系列向量提取成与该维数相同的一个向量；/n4)再接入卷积神经网络模型的隐藏层和输出层；/n5)根据输出结果和应该得到的正确结果，计算误差，并反向传播，更新深度卷积神经网络模型参数；/n(二)用训练好的深度卷积神经网络模型进行APK检测，具体包括如下步骤：/n1)对待筛查的APK数据，反编译APK，解析出函数调用关系图；/n2)利用训练好的模型，根据安全敏感函数或高频率函数进行卷积；/n3)将卷积结果传入训练好的模型的池化算法层；/n4)接入训练好的模型的隐藏层和输出层；/n5)得到检测结果，即得出待筛查的APK是不是恶意APK。/n